Team
[데이터조직]구성원의 상성을 고려한 커뮤니케이션이 필요하다.
어린 시절, 삼국지나 프린세스 메이커 등의 육성 게임을 많이들 해보았을 것이다. 우리가 어떻게 캐릭터들을 육성하는지에 따라 우리가 키우는 캐릭터들은 다른 성향을 지니게 되고 이는 직업으로 이어진다. 정치, 지혜, 매력, 무력 등으로 표현되기도 하고 체력, 근력, 기품 등 다양한 형태로 표현된다. 이러한 특성은 우리에게도 있다. 그리고 이런 특성들에 기반해서 학교를 다닐
Latest
Life
나는 무엇을 메모하는가
삶의 주요한 가치에 관련된 것을 메모한다. "의미 있는 삶을 위하여"를 쓴 알렉스 룽구는 온전하고 충만한 삶을 이루기 위해서는 삶에 대한 의식 수준을 높여야 한다고 말한다. 한때 화제가 되었던 "미라클 모닝"을 기억하는가? 많은 사람은 미라클 모닝을 선보였던 저자 할 엘로드가 왜 그런 선택을 하였는지를 생각하지
Team
[데이터조직]팀을 운영할 때 모든 것을 알아야할 필요는 없다.
보통 팀에서 일을 가장 잘하던 사람들이 리더로 올라가게 된다. 프로덕트 조직에서 리더가 되면 대체로 PM이 되는 편이지만, 조직의 형태에 따라 PM이 아니라 개발자가 리더가 될 수도 있다. 이 때 보통 가장 어려운 것이 실무를 놓는 것이다. 물론 인원이 적다면 실무를 놓지 않아야 하는 경우도 분명 있다. 하지만 리더가 되면 가장
Life
갑자기 삼국지5 음악이 듣고 싶었던 이유
오늘 아침 삼국지5 음악을 들으면서 이 생각이 떠올랐다. 정확하게는 어떠한 연구였는지 기억이 나지 않지만, 환경이 노화에 영향을 미친다는 연구였던 것같다. 고령의 피실험자들을 대상으로 젋었던 시점의 환경을 조성하니 신체가 젊어졌다는 연구였던 것으로 기억한다. 젊었을 때의 뉴스, 젊었을 때의 방송을 틀어주는 식으로 실험환경을 조성했더니 정말로 건강이 다시 완전히는 아니어도 일부 빠르게 좋아지는
Life
나는 왜 메모를 하는가?
본격 사회생활의 시작, 메모의 필요성을 깨우치다. 왜 메모를 하는가? 짧지만 쉽지 않은 이 질문에 대답하기 위해서 처음 메모를 진지하게 시작하였던 때로 돌아가 본다. 먼저 떠오르는 시점은 바로 군 복무 시절이었다. 군 복무 시절, 27개월간 지내게 될 부대로 배치가 되었을 때였다. 나름 대학교 2학년까지 마치고 갔으니, 사회생활을 어떻게 해야 하는지는 조금은
Book
[책]AI 관련 지금 벌어지고 있는 랜드스케이프를 보고 싶다면, AI 전쟁
대화내용을 옮긴 책의 특성상, 만연체가 곳곳에 보인 덕분에 오히려 핵심만 파악하고 빠르게 넘길 수 있었던 책으로 주말을 빌려 빠르게 훑어보았다. AI는 확실히 사회 전반에 걸쳐 큰 변화를 가지고 오고 있다. 그리고 그 변화만큼이나 사회 내부에서 변화해야할 것도, 그리고 연구하는 것도 정말 많다. Weekly Arxiv로 듣던 내용을 넘어서 상당히 많은 내용을
Team
[데이터조직] 구성원 중 레버리지할 수 있는 사람을 찾아라
팀이 일정이상 커지기 전까지는 디테일하게 팀원 개개인을 챙길 수 있다. 하지만 팀의 규모가 점차 커지게 되면 이게 생각보다 어렵다. 리더는 생각할 수 있는 시간과 정신에 대한 룸(Room)을 어느정도 유지하면서 팀원들의 요구에 대응할 필요가 있는데, 팀의 규모가 커지고 나서도 계속 본인이 직접 챙기려고 하면 밑도 끝도 없다. 특히 실무를
Data
Fisher Information의 직관적인 이해
Fisher Information을 직관적으로 이해하기 위해서는 이계도함수를 알 필요가 있다. 이계도함수는 쉽게 생각하면 변화량의 변화량을 나타낸다. 즉 기울기가 변화하는 속도를 의미한다. 이차함수 $f(x)=ax^2 +b$에서 $f'(x)=2ax$이다. 이 걸 다시 미분하면 $f''(x)= 2a$로 기울기가 $2a$만큼 변화한다는 것을 의미한다 a가 작아지면
Book
[책]GTD(Get Things Done)의 고전, 끝도 없는 일 깔끔하게 해치우기,
워낙 유명한 책이다. Get Things Done, 줄여서 GTD라고 하는 업무관리방법론을 제안한 David Allen이 쓴 책이다. 스티븐 코비의 "성공하는 사람들의 7가지 습관"이라는 책을 읽고 하향식으로 가치를 세우고 업무계획을 세우다가, 도무지 이게 현실적으로 맞는가를 고민하고 대안을 찾다가 알게된 내용이다. GTD는 Bottom Up 형태의 업무관리 방법론으로 크게 5가지 순서로 업무를
Data
[데이터조직]데이터과학자에게도 엔지니어링은 필요하다.
서론 최근에 데이터과학자와 백앤드엔지니어까지 포함해서 데이터프로덕트 팀을 구성해서 일을 해보니 드는 생각이다. 데이터과학자 중에서 최근에 일하기 시작한 분들은 컴퓨터공학도 전공인 분도 있지만 그렇지 않은 분들도 꽤 많다. 그래서인지 종종 엔지니어링 측면을 잘 모르는 분들이 있는데, 개인적으로 전공이 컴퓨터공학이어서 그럴 수도 있지만, 엔지니어링은 데이터과학자에게 점차 중요해질 것이라고 생각한다. 데이터가 더 중요하다.
Deep Learning
Custom Loss Function in Keras
Summary * Business Impact에 기반해서 Loss Function을 수정해야할 필요가 있다. * 예를 들어 비대칭 구조(예: 지수분포)에서는 Loss값에 Weight를 줘야하는 상황이 그렇다. * Keras에서는 Model에 필요한 제반 환경을 Complie이라는 단계에서 설정하는데 이 때 Loss Function을 Keras 라이브러리에서 불러올 수도 있지만 앞서 언급한 바와 같이 Custom Loss Function을 설정할 수 있다. Example * 여기서
Book
[책]원칙과 철학이 있을 때 흔들리지 않는 것은 개발자도 매한가지, 개발자 원칙
어쩌다보니 이 책을 읽게 되었다. 이제는 개발자인가? 라는 생각이 들 정도로 코딩을 할 일이 거의 없어졌지만, 개발이 주는 놀라운 매력이 있기 때문에 이 책을 다시 한 번 집어들게 된 같다. 이 책의 부제를 보면, "테크 리더 9인이 말하는 더 나은 개발자로 살아가는 원칙과 철학"이다. 원칙은 "많은
Team
[데이터조직]커뮤니케이션에서 반드시 들어가야할 것 - Why
사이먼 시넥의 "Start with Why"이라는 책이 있다. 국문으로는 "난 왜 이 일을 하는가"로 번역이 되기도 하였고 Youtube에서도 상당히 인기가 많았던 영상 컨텐츠로 다뤄진 바 있다. 내용은 매우 심플하다. 제목이 의미하는 바가 핵심이다. 조지프 캠벨이라는 종교학자가 있다. "천의 얼굴을 가진 영웅"이라는 유명한
Team
[데이터조직] 팀을 맡고 먼저 해야 하는 것, 면담
팀을 맡아서 운용한지도 1년을 훌쩍 넘었다. 처음 팀장을 맡았을 때를 생각해 보면 시간이 정말 빠르게 지난 것같다. 새로운 팀을 맡아서 운영도 열심히 해보고 있다. 그나마 다행인 것은 좋은 사람을 계속 만날 수 있다는 것이다. 이 자체가 쉽지 않은 행운임을 알고 가는 입장이기에 그저 감사함이 가득할 뿐이다. 처음 팀을 맡았을 때를
Book
[책]의사결정에서 확률적 사고가 갖는 힘과 경험적 근거에 대해서, “최고의 결정“
제목이 꽤 매력적이지 않은가? “최고의 결정”이라니… 거기에 호황과 불황을 모두 포함해서 50년을 경험한 사람이라니, 연달아 두 팀을 리딩해본 리더의 입장에서는 꽤나 솔깃했던 제목이었다. 물론 “최고”를 결정하는 기준이 나와 같을지는 고민해보면서 말이다. 경제 전문가라고 적혀있는 만큼 도메인 경험으로 인한 차이에 대한 불신이 있었기 때문이었다. 결론부터 이야기하면 정말 많은 사건과
Business
[리뷰] Real-Time Delivery Time Forecasting and Promising in Online Retailing
Summary * Delivery Time Prediction은 Regression 문제이기도 하지만 Result가 분단위 정도로 나눠진다고 하면 Classification 문제로 간주할 수도 있다. * 비즈니스 관련 Cost Sensitive Rule을 고려하기 위해서 Regression Tree를 사용하되, 성능을 끌어올리기 위해 Random Forest를 고려했고, 예측값이 정규분포가 아닐 가능성을 고려하여 Quantile로 나눠서 예측, 최종 모델은 Quantile Random Forest (for Regression)을 하였다.